PwC, erreurs et fausses sources dans les rapports sur l’intelligence artificielle

PwC a publié quatre rapports sur l’intelligence artificielle et la mobilité électrique et autonome contenant de fausses notes, des attributions incorrectes et des informations non fondées. Les documents ont été diffusés par la société du réseau du Moyen-Orient pour promouvoir les compétences et les services de conseil auprès des entreprises et des administrations publiques.

Les anomalies ont été identifiées par GPTZero, une société spécialisée dans l’analyse de contenus produits avec des modèles linguistiques, et vérifiées par Temps Financier. L’enquête a été publiée le 29 juillet 2026 et porte sur des rapports publiés entre 2024 et 2026. Selon les chercheurs, les textes montrent une utilisation intensive de l’intelligence artificielle générative sans contrôles humains adéquats sur les sources et les déclarations présentées comme des faits.

Le problème prend une importance économique qui dépasse la qualité de quatre publications. PwC est un réseau international de cabinets de conseil, d’audit et de fiscalité, présent dans plus de 130 pays. Elle fait partie, avec Deloitte, EY et KPMG, du Big Four. Les grands cabinets de conseil investissent des milliards dans le développement d’outils basés sur l’IA et vendent des services aux entreprises pour introduire la technologie, gérer ses risques et vérifier la fiabilité des résultats. Ces erreurs élémentaires affectent donc le principal capital du secteur : la confiance dans les compétences et les processus de contrôle.

Quatre rapports en cours d’examen

GPTZero a analysé quatre publications de PwC Moyen-Orient. Le premier, sorti en 2025, était dédié à un système baptisé «Pouls citoyen« , présenté comme un outil pour fournir aux gouvernements des informations en temps réel sur les besoins de la population. Le second, publié en 2026, examinait le développement des véhicules électriques, connectés et autonomes dans les pays du Conseil de coopération du Golfe.

Les deux autres documents portaient sur la cybersécurité de l’écosystème de la mobilité électrique et sur l’utilisation de l’IA agentique.

Selon GPTZero, le rapport Citizen Pulse présentait le plus haut niveau de contenu suspect. Le système a été décrit comme une solution utilisée par les gouvernements du Danemark, de l’Arabie saoudite, des États-Unis et de l’Australie. Les sources indiquées n’ont cependant démontré ni l’existence de ces relations commerciales ni l’adoption du produit par les administrations citées. Les chercheurs ont également déclaré avoir trouvé peu de preuves publiques de l’existence de Citizen Pulse en dehors du rapport de PwC.

Les quatre documents contenaient au total plus d’une centaine de citations. De nombreux liens renvoyaient vers des pages ne contenant pas les informations qui leur étaient attribuées. D’autres étaient liés à des adresses qui n’étaient plus disponibles ou qui n’avaient apparemment jamais existé.

Parmi les cas rapportés figure une étude universitaire sur la qualité de l’air à Riyad. Le document a été attribué à des auteurs spécifiques et à une revue scientifique, mais n’a pu être trouvé ni dans les archives des publications ni parmi les travaux des chercheurs indiqués. Pour GPTZero, l’étude serait inventée par un modèle génératif.

La source est un blogueur adolescent

Certaines notes faisaient référence à des sources existantes, mais sans l’autorité nécessaire pour étayer les conclusions des rapports. Un blogueur adolescent comptant environ 280 abonnés sur Medium, par exemple, a été cité comme source par PwC pour avoir décrit un projet de JPMorgan comme une réussite en matière d’IA agentique.

L’initiative portait sur Pièce de monnaieune plateforme utilisée par la banque pour automatiser l’examen des accords de financement commercial. Le projet avait déjà été évoqué par la presse financière en 2017, cinq ans avant le lancement de ChatGPT et la diffusion de la génération actuelle de systèmes linguistiques.

L’automatisation de l’analyse des contrats pourrait être considérée comme un cas pertinent d’application de l’apprentissage automatique. Cependant, le présenter comme une preuve de l’adoption de l’IA agentique, sans expliquer la distance technologique et temporelle, altère le sens de l’exemple.

Un autre rapport répétait à trois reprises, en deux pages, que l’erreur humaine était responsable de 90 pour cent des accidents de la route. La première occurrence avait une note, la seconde n’en avait aucune et la troisième en avait deux. Chaque référence pointait vers une source différente.

Paul Esau, chercheur au GPTZero, a noté que cette affirmation n’est pas nécessairement fausse. La structure des citations apparaît cependant incompatible avec un travail éditorial cohérent : un auteur documenterait difficilement trois fois les mêmes données, sur une courte distance, en utilisant à chaque fois des références différentes.

Les données de PwC ont également été mal citées

Les anomalies concernaient même des recherches produites par le même réseau. L’un des documents faisait référence à une enquête menée par PwC auprès des PDG du Moyen-Orient. Selon le rapport, 70 % des personnes interrogées pensent que l’IA générative aurait un impact significatif sur leur entreprise.

La note associée au chiffre a cependant donné lieu à un article de presse qui ne mentionnait pas l’enquête. Les données auraient pu être vérifiées en se référant directement au matériel original de l’entreprise, mais la référence choisie n’a pas permis au lecteur de reconstituer son origine, sa méthodologie et son échantillon.

L’absence d’une chaîne documentaire fiable réduit la valeur économique des relations. Les publications de leadership éclairé ne sont pas des études universitaires évaluées par des pairs, mais remplissent une fonction commerciale. Ils servent à bâtir une réputation, à orienter les débats de gestion et à générer des contacts pour des missions de conseil. Une statistique invérifiable peut être relevée dans les présentations d’entreprises, les médias d’information et d’autres rapports, multipliant ainsi l’erreur.

Réponse de PwC Moyen-Orient

PwC Moyen-Orient a déclaré au Temps Financier que vous prenez au sérieux l’exactitude de vos recherches et que vous avez commencé à mettre à jour un nombre limité de citations à l’appui dans les rapports que vous identifiez.

L’entreprise a ajouté que dans le cadre de sa démarche d’IA responsable, elle dispose de processus de contrôle qualité que les employés et collaborateurs doivent respecter. Il n’a pas expliqué à quel stade les erreurs se sont produites, quels outils ont été utilisés pour produire les textes et qui a approuvé les versions finales.

Le terme « nombre limité » ne précise pas non plus si PwC considère que la question se limite aux notes ou si elle a l’intention d’examiner également les affirmations de ces sources. La distinction est pertinente. Corriger un mauvais lien résout un problème éditorial ; le remplacement d’une source inexistante peut nécessiter de modifier ou d’éliminer des conclusions entières.

Le réseau PwC opère à travers des sociétés nationales juridiquement distinctes. Selon les données rapportées par GPTZero, l’organisation est présente dans 136 pays avec environ 370 000 employés, tandis que PwC Middle East déclare 12 000 employés dans douze pays. La structure fédérale répartit les responsabilités, mais rend plus complexe l’application de normes uniformes aux publications distribuées sous une marque mondiale.

EY et KPMG ont déjà retiré des documents

PwC est le troisième Big Four impliqué dans une affaire documentée par GPTZero en 2026. En mai, EY Canada a retiré une étude portant sur la fraude aux programmes de fidélisation. Le texte contenait des données inventées, des attributions incorrectes et une référence à un rapport McKinsey qui ne semblait pas exister.

Dans différentes sections, l’étude d’EY a également indiqué la valeur du marché mondial des programmes de fidélité et celle des points non utilisés par les consommateurs à 200 milliards de dollars. EY a supprimé la publication et a annoncé une révision de son processus, déclarant que le document n’était pas lié aux engagements des clients.

En juin 2026, KPMG a retiré un rapport mondial sur l’expérience client à l’ère de l’IA agentique. Le document attribue des applications technologiques à des organisations telles que l’UBS, le service de santé britannique, les chemins de fer fédéraux suisses et Transport for London, ce que les parties prenantes ont contesté ou qualifié de trompeur.

GPTZero a examiné les 45 citations du rapport. Cinq seulement conduisaient précisément à des sources réelles ; 28 contenaient des titres modifiés, des éléments inventés ou des références mal combinées, tandis que le reste était trop vague pour être vérifié avec certitude.

Les chercheurs appellent ce comportement «ambiance citant » : un modèle génère une citation qui semble plausible en termes de forme et de langage, mais mélange différents auteurs, titres, publications ou contenus. Le résultat peut dépasser une lecture superficielle précisément parce qu’il ressemble à une note correctement construite.

Le coût de la course à l’automatisation

Les Big Four ont encouragé leurs employés à utiliser des outils génératifs pour accélérer la recherche, les brouillons, les résumés et les présentations. Au cours de la même période, ils ont développé des plateformes propriétaires et conclu des accords avec les principaux fournisseurs de modèles et de services cloud.

Le bénéfice économique est direct. Si un consultant passe moins d’heures à préparer un document, l’entreprise peut réduire les coûts, augmenter les marges ou affecter le même personnel à davantage de projets. Ce modèle ne fonctionne que lorsque les économies réalisées en production ne sont pas annulées par la vérification.

Les rapports examinés indiquent que la supervision humaine pourrait devenir une étape sacrifiée. Les modèles linguistiques produisent des textes fluides, des structures ordonnées et des références formellement crédibles. Cependant, ils ne distinguent pas de manière fiable une source réelle d’une reconstruction probabiliste lorsqu’ils n’ont pas accès à des systèmes de recherche contrôlés ou lorsqu’ils reçoivent des instructions récompensant l’exhaustivité de la réponse.

Les outils de détection ont également des limites. L’attribution d’un texte à l’IA ne constitue pas en soi une preuve définitive : des études indépendantes ont signalé la possibilité de faux positifs. Dans le cas de PwC, l’élément central n’est donc pas la note attribuée par l’évaluateur, mais la vérification en temps opportun des notes, des pages citées et des déclarations attribuées à des organisations réelles.

Un problème pour le marché du conseil en IA

Les cabinets de conseil vendent des procédures « d’IA responsable » qui incluent la traçabilité des sources, la responsabilité humaine, la validation des résultats et la surveillance du système. Les cas de PwC, EY et KPMG montrent un écart entre ces exigences et les processus appliqués à certaines publications internes.

Pour les clients, le risque n’est pas seulement une question de communication. Une erreur saisie dans un rapport marketing peut être corrigée sans conséquences opérationnelles immédiates. La même méthode appliquée à une analyse réglementaire, un modèle financier, une évaluation des risques ou une recommandation stratégique peut avoir un impact sur les investissements, la conformité et les décisions du conseil d’administration.

La qualité du conseil dépendra donc également de la capacité à démontrer comment un document a été produit : quelles sources ont été consultées, quelles parties ont été générées, qui les a vérifiées et quels contrôles ont été enregistrés. Sans cette traçabilité, la rapidité offerte par l’intelligence artificielle transfère un coût caché au client : le doute sur la fiabilité de l’œuvre achetée.

Les rapports de PwC Moyen-Orient peuvent être corrigés. Il sera plus difficile de réparer les atteintes à la réputation si les entreprises proposant des normes pour une IA responsable ne publient pas également des règles vérifiables pour leur propre travail.